《表2 不同代价下决策树分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于形态相似距离的暂态电压稳定评估方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

调整代价比为1、2、3、4、5、10、20，按照前述机器学习方案分别进行训练并用200个测试样本进行比对，结果如表2所示。可见，随着代价比的增大，决策树模型的分类结果中漏判的数目减小。但是漏判代价的增大，意味着失稳样本的权重的增大，使得模型对于稳定样本的关注度下降，模型误判数增加。本文39节点系统案例下选取代价比k=4较为适宜。